[發(fā)明專利]一種道路障礙物檢測方法與裝置

有效

• 申請?zhí)枺?/td>: 201711031619.9
• 申請日: 2017-10-27
• 公開（公告）號(hào): CN107909010B
• 公開（公告）日: 2022-03-18
• 發(fā)明（設(shè)計(jì)）人: 姜安;崔峰;孟然;朱海濤;李洪軍
• 申請（專利權(quán)）人: 北京中科慧眼科技有限公司
• 主分類號(hào): G06V20/58
• 分類號(hào): G06V20/58;G06V20/10;G06V10/34;G06V10/26;G06V10/25;G06V10/56;G06V10/764;G06V10/774;G06V10/80
• 代理公司: 北京遠(yuǎn)立知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11502
• 代理人: 李海燕

本發(fā)明公開了一種道路障礙物檢測方法與裝置，該方法包括：通過雙目設(shè)備獲取道路圖像，并對道路圖像進(jìn)行處理，得到道路圖像的視差圖；對視差圖進(jìn)行基于路面信息的圖像分割，得到包括障礙物區(qū)域?yàn)榍熬昂推渌麉^(qū)域?yàn)楸尘暗亩祱D；對二值圖進(jìn)行形態(tài)學(xué)運(yùn)算，得到疑似障礙物的待檢測區(qū)域模板；將待檢測區(qū)域模板與單目圖像進(jìn)行信息融合，得到待檢測區(qū)域的灰度圖像，述單目圖像為所述道路圖像中的其中一副；輸入灰度圖像至預(yù)設(shè)障礙物檢測模型對道路圖像進(jìn)行障礙物判斷，根據(jù)判斷結(jié)果對疑似障礙物進(jìn)行確認(rèn)。本發(fā)明通過融合雙目視差信息和單目圖像信息的各自優(yōu)點(diǎn)，進(jìn)行基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別和目標(biāo)分類，進(jìn)而實(shí)現(xiàn)快速、準(zhǔn)確得障礙物檢測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，更具體的，涉及一種道路障礙物檢測方法與裝置。

背景技術(shù)

隨著傳感器技術(shù)和機(jī)器視覺技術(shù)的發(fā)展，涌現(xiàn)出了越來越多的基于雙目視差算法進(jìn)行目標(biāo)檢測的技術(shù)，對視差圖像進(jìn)行分析得到障礙物信息應(yīng)用于機(jī)器人領(lǐng)域、智能汽車領(lǐng)域。

但現(xiàn)有技術(shù)主要通過雙目視差進(jìn)行距離檢測，在目標(biāo)檢測方面不能穩(wěn)定的識(shí)別異形障礙物，而且目標(biāo)檢測結(jié)果的魯棒性較差，易受到環(huán)境干擾而造成檢測錯(cuò)誤。

因此，本發(fā)明融合雙目視差信息和單目圖像信息的各自優(yōu)點(diǎn)，通過對雙目視差信息進(jìn)行處理，融合單目圖像信息，以解決現(xiàn)有技術(shù)中存在的對異形障礙物無法做到很好的識(shí)別，而導(dǎo)致的識(shí)別結(jié)果魯棒性較差的問題。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于公開一種道路障礙物檢測方法與裝置，以解決現(xiàn)有技術(shù)中存在的對異形障礙物無法做到很好的檢測，而導(dǎo)致的檢測結(jié)果魯棒性較差的問題。

為達(dá)上述目的，根據(jù)本發(fā)明的一個(gè)方面，公開一種道路障礙物檢測方法，并采用如下技術(shù)方案:

一種道路障礙物檢測方法包括：通過雙目設(shè)備獲取道路圖像，并對所述道路圖像進(jìn)行處理，得到所述道路圖像的視差圖；對所述視差圖進(jìn)行基于路面信息的圖像分割，得到包括障礙物區(qū)域?yàn)榍熬昂推渌麉^(qū)域?yàn)楸尘暗亩祱D；對所述二值圖進(jìn)行形態(tài)學(xué)運(yùn)算，得到疑似障礙物的待檢測區(qū)域模板；將所述待檢測區(qū)域模板與單目圖像進(jìn)行信息融合，得到所述待檢測區(qū)域的灰度圖像，所述單目圖像為所述道路圖像中的其中一副；輸入所述灰度圖像至預(yù)設(shè)障礙物檢測模型對所述道路圖像進(jìn)行障礙物判斷，根據(jù)判斷結(jié)果對所述疑似障礙物進(jìn)行確認(rèn)。

進(jìn)一步地，所述輸入所述灰度圖像至預(yù)設(shè)障礙物檢測模型對所述道路圖像進(jìn)行障礙物判斷，根據(jù)判斷結(jié)果對所述疑似障礙物進(jìn)行確認(rèn)包括：通過所述預(yù)設(shè)障礙物檢測模型中的障礙物識(shí)別模型，對所述灰度圖像進(jìn)行特征分析，根據(jù)分析結(jié)果對所述疑似障礙物進(jìn)行目標(biāo)識(shí)別并進(jìn)行標(biāo)記，得到標(biāo)記目標(biāo)；通過所述預(yù)設(shè)障礙物檢測模型中的障礙物分類模型對所述標(biāo)記目標(biāo)進(jìn)行分類。

進(jìn)一步地，所述預(yù)設(shè)障礙物檢測模型的獲取方法包括：通過雙目設(shè)備獲取多組道路圖像作為樣本，將每組圖像的視差信息作為已知輸入量生成對應(yīng)的視差圖；對所述視差圖進(jìn)行基于路面信息的圖像分割，得到包括疑似障礙物區(qū)域?yàn)榍熬昂推渌麉^(qū)域?yàn)楸尘暗亩祱D；對所述二值圖進(jìn)行形態(tài)學(xué)運(yùn)算，得到疑似障礙物的待檢測區(qū)域模板；將所述待檢測區(qū)域模板與單目圖像進(jìn)行信息融合，對所述待檢測區(qū)域模板進(jìn)行連通域統(tǒng)計(jì)，得到每個(gè)連通區(qū)域的最小外接矩形，在所述單目圖像上由所述矩形位置得到所述待檢測區(qū)域的灰度圖像，所述單目圖像為所述道路圖像中的其中一副；對所述灰度圖像內(nèi)障礙物進(jìn)行篩選并集中，構(gòu)成所述障礙物識(shí)別模型；對所述預(yù)設(shè)障礙物識(shí)別樣本集合進(jìn)行機(jī)器訓(xùn)練學(xué)習(xí)，獲取所述障礙物分類模型。

進(jìn)一步地，所述對所述視差圖進(jìn)行基于路面信息的圖像分割，得到包括疑似障礙物區(qū)域?yàn)榍熬昂推渌麉^(qū)域?yàn)楸尘暗亩祱D包括：通過所述路面信息獲取成像范圍內(nèi)沒有障礙物的路面模型；輸入所述路面模型對所述視差圖進(jìn)行圖像分割，得到包括疑似障礙物區(qū)域?yàn)榍熬昂推渌麉^(qū)域?yàn)楸尘暗亩祱D。